Aprendemos de los conjuntos de datos
Contents
1. Aprendemos de los conjuntos de datos#
Raschka, S., Liu, Y, Mirjalili, V. (2022). Machine Learning with PyTorch and Scikit-Learn. Develop machine learning and deep learning models with Python. Packt Publishing. Birmingham, UK. Pag. 3.
Making predictions about the future with supervised learning.
Kneusel, R.T. (2021). Practical Deep Learning - A Python-Based Introduction. First Edition. No Starch Press, Inc. San Francisco, USA. Pag. 69.
Training, Validation, and Test Data - The Three Subsets.
Zheng, A., Casari, A. (2018). Feature Engineering for Machine Learning. First Edition. O’Reilly Media, Inc. Sebastopol, CA, USA. Pag. 4.
The Machine Learning Pipeline.
1.1. Seleccionamos métodos y herramientas#
Label-Studio
Label-Studioes una herramienta que utilizamos para etiquetar datos. Permite entre otras cosas, el trabajo conjunto en tiempo real sobre imágenes, audios, textos y vídeos.
Por ejemplo, podríamos analizar la siguiente observación acústica real:
from IPython.display import Audio
wav_dir = '/home/kasparov/Documentos/20190114_vpoblete/20221023_aumilab/JupyterBookUACh/audios/'
audio0 = wav_dir + "siren.wav"
Audio(audio0)
1.2. Programamos en lenguaje Python y usamos de librerías#
Observemos audios reales:
audio1 = wav_dir + "alarm.wav"
Audio(audio1)
audio2 = wav_dir + "bird.wav"
Audio(audio2)
audio3 = wav_dir + "dog.wav"
Audio(audio3)
audio4 = wav_dir + "helicopter.wav"
Audio(audio4)
audio5 = wav_dir + "motorcycle.wav"
Audio(audio5)